Prof.

Christian Daz
Ayudanta 1
Prof. Christian Daz
Abrir: Base de datos Empleados AV1.xlsx
Prof. Christian Daz
Abrir: Base de datos Empleados AV1.xlsx
Prof. Christian Daz
Completar nombre en columna Etiqueta
Prof. Christian Daz
Recodificar en distintas variables:
SEXO, CATLAB Y MINOR
Prof. Christian Daz
Recodificar en distintas variables:
SEXO, CATLAB Y MINOR
Prof. Christian Daz
Recodificar en distintas variables:
SEXO, CATLAB Y MINOR
Prof. Christian Daz
Seleccionar casos
Prof. Christian Daz
Seleccionar casos
Prof. Christian Daz
Segmentar casos
Prof. Christian Daz
Resumen de Descriptiva: Frecuencias
Prof. Christian Daz
Resumen de Descriptiva
Estadsticos
Salario Actual
N Vlidos 471,0
Perdidos -
Media 34.227,7
Error tp. de la media 781,3
Mediana 28.800,0
Moda 30.750,0
Desv. tp. 16.956,0
Varianza 287.506.515,4
Asimetra 2,2
Error tp. de asimetra 0,1
Curtosis 5,7
Error tp. de curtosis 0,2
Rango 119.250,0
Mnimo 15.750,0
Mximo 135.000,0
Suma 16.121.250,0
Percentiles 10 21.000,0
20 22.950,0
25 24.000,0
30 24.750,0
40 26.700,0
50 28.800,0
60 30.750,0
70 34.500,0
75 36.150,0
80 40.620,0
90 58.625,0
HOMBRE N Vlidos
255,0
Perdidos
-
Media
41.170,0
Error tp. de la media
1.217,7
Mediana
32.400,0
Moda
30.750,0
Desv. tp.
19.445,8
Varianza
378.140.352,5
Asimetra
1,7
Error tp. de asimetra
0,2
Curtosis
3,0
Error tp. de curtosis
0,3
Rango
115.350,0
Mnimo
19.650,0
Mximo
135.000,0
Suma
10.498.355,0
Percentiles 10
25.500,0
20
27.300,0
25
28.050,0
30
29.220,0
40
30.750,0
50
32.400,0
60
36.000,0
70
MUJER N Vlidos
216,0
Perdidos
Media
26.031,9
Error tp. de la media
514,2
Mediana
24.300,0
Moda
24.450,0
Desv. tp.
7.558,0
Varianza
57.123.688,2
Asimetra
1,8
Error tp. de asimetra
0,1
Curtosis
4,6
Error tp. de curtosis
0,3
Rango
42.375,0
Mnimo
15.750,0
Mximo
58.125,0
Suma
5.622.895,0
Percentiles 10
18.660,0
20
20.850,0
25
21.487,5
30
22.050,0
40
23.100,0
50
24.300,0
60
25.260,0
70
Prof. Christian Daz
Resumen de
Descriptiva
Prof. Christian Daz
Resumen de Descriptiva
Descriptivos
Prof. Christian Daz
Resumen de Descriptiva:
Explorar
Prof. Christian Daz
Resumen de Descriptiva:
Explorar
Prof. Christian Daz
17
Cmo contrastar supuestos en Estadstica
Paramtrica
1) Normalidad
Grficos con pruebas de normalidad
a. Grficos Q-Q normal
b. Grficos Q-Q normal sin tendencia
Dos pruebas de significancia:
Kolmogorov-Smirnov (1948)
Shapiro-Wilk (1965) n <= 50
Permiten contrastar que la hiptesis que las muestras provienen de
poblaciones normales
Prof. Christian Daz
18
Cmo contrastar supuestos en Estadstica
Paramtrica
1) Normalidad
Prof. Christian Daz
Resumen de Descriptiva:
Explorar: Pruebas de Normalidad
Se rechaza Ho El salario actual e inicial
de Hombres y Mujeres no provienen de una
poblacin normal
Prof. Christian Daz
20
Cmo contrastar supuestos en Estadstica
Paramtrica
1) Homogeneidad de Varianza
Prof. Christian Daz
Resumen de Descriptiva:
Explorar: Homogeneidad de Varianza
Dado que el nivel de significacin es menor que 0,05,
podemos rechazar la hiptesis de homogeneidad.
Prof. Christian Daz
Resumen de Descriptiva:
Variables Categricas: Tablas de contingencia
Prof. Christian Daz
Resumen de Descriptiva:
Variables Categricas: Tablas de contingencia
Prof. Christian Daz
Resumen de Descriptiva:
Variables Categricas: Tablas de contingencia:
capas
Prof. Christian Daz
Resumen de Descriptiva:
Variables Categricas: Tablas de contingencia:
capas
Prof. Christian Daz
Resumen de Descriptiva:
Variables Categricas: Tabla de contingencia:
Estadsticos
Prueba de independencia
2
Ho: El sexo y la categora laboral son independientes
Prof. Christian Daz
Resumen de Descriptiva:
Variables Categricas: Tabla de contingencia: Estadsticos
Tarea: Evalu los siguientes estadsticos
Coeficiente de contingencia C de Pearson y V de Cramer para la Variable Sexo y
Nivel de estudio.
Dado que el nivel de
significacin es menor que
0,05, se rechazar la
hiptesis de
independencia entre las
variables
Prof. Christian Daz
ANOVA de un factor
Es aquella en la cual
deseamos comparar
los grupos
Define los grupos que
deseamos comparar
Prof. Christian Daz
ANOVA de un factor
Dado que Sig. < 0,05 se
decide rechazar la hiptesis
de igual de medias y se
concluye que las poblaciones
definidas por la categora
laboral no poseen el mismo
salario actual.
Prof. Christian Daz
ANOVA de un factor, estadsticos opcionales
Prof. Christian Daz
ANOVA de un factor, estadsticos opcionales
Considerando que la sig. < 0,05
se rechaza la hiptesis de
igualdad de varianzas y se
concluye que las tres
poblaciones definidas por la
CATLAB las varianzas del
salario actual no son iguales.
Prof. Christian Daz
ANOVA de un factor, comparaciones post hoc o a
posteriori
Son diferentes entre s todas las medias? O slo existe una media diferente?
Prof. Christian Daz
ANOVA de un factor, comparaciones post hoc o a
posteriori
Son diferentes entre s todas las medias? O slo existe una media diferente?
Prof. Christian Daz
ANOVA de un factor, comparaciones post hoc o a
posteriori
Son diferentes entre s todas las medias? O slo existe una media diferente?
Prof. Christian Daz
ANOVA Multifactorial
= o +bX
1
+cX
2
+JX
1
X
2
+c
VD: cuantitativa
Fac fijo: Variables categricas, fijadas
previamente por el analista
(separacin, densidad de siembra,
gnero, etc)
Fac. aleatorio: cuyos niveles son
seleccionados aleatoriamente entre
todos los niveles del factor.
Prof. Christian Daz
ANOVA Multifactorial
Prof. Christian Daz
ANOVA Multifactorial
Incorpora todos los efectos de
los factores (independientes,
interaccin y constante)
El modelo explica una parte
importante de la variabilidad
observada en la variable
salario actual.
Los tres efectos
(independientes e interaccin )
explican el 69,4% de la
varianza de la variable
dependiente.
Se rechaza la
hiptesis de
que la media
total del la
variable
dependiente
vale cero.
Se rechaza la
hiptesis de que la
media del salario
actual en la
variable sexo y
categora laboral
son
significativamente
iguales.
La interaccin Sexo-Categora
Laboral poseen un efecto
significativo sobre el salario
actual.
Las diferencias de salario entre
los sexos no son las mismas en
las categora laborales.
Prof. Christian Daz
ANOVA Multifactorial
Interaccin: grficos de perfil
Prof. Christian Daz
ANCOVA
Los coeficiente de la covariables en
una RL son distintos de cero (Ho)
Estn linealmente relacionada con la
VD. El control de estas dos
covariables no afecta la relacin
entre la VD y las VI
Prof. Christian Daz
ANOVA Factorial
Estimaciones de parmetros
Prof. Christian Daz
ANOVA Factorial
Estimaciones de parmetros
Cul es el salario
medio actual de un
hombre administrativo?
837,248 + 13166,441 + 19101,641 -12547,177 = 31558,2
Prof. Christian Daz
Correlaciones
Prof. Christian Daz
Correlaciones: Bivariadas
Abrir base de datos Empleados
Prof. Christian Daz
Correlaciones: Bivariadas
Se rechaza Ho de
independencia lineal.
Existe relacin lineal
significativa.
No se rechaza Ho de
independencia lineal.
No existe relacin
lineal significativa.
Prof. Christian Daz
Correlaciones: Bivariadas
Tareas
Por qu ahora pas a ser
significativa < 0,05.
Entonces existe relacin
lineal significativa.
Por qu ahora pas a ser
significativa < 0,05.
Entonces existe relacin
lineal significativa.
Prof. Christian Daz
Correlaciones: Parciales
Evala la relacin lineal entre dos variables controlando el efecto posible de una tercera
Prof. Christian Daz
Correlaciones: Parciales
Eliminando las variables de control el coeficiente de correlacin
lineal entre SALINI y SALACT baja de 0,88 a 0,81, pero sigue
siendo significativo, por lo cual no tiene efecto en la relacin
lineal el control de las variables EDUCA y TIEPLE
Prof. Christian Daz
odelo Regresin
ltiple
Prof. Christian Daz
Prof. Christian Daz
La tres variables seleccionadas explican
el 80% de la varianza de la VD
Se rechaza Ho que el valor
poblacional de R = 0
Pron. SALACT = - 4.259,2 + 1,762*SALINI - 16,3*EXPREV + 763,9*EDUCA
Prof. Christian Daz
Pron. SALACT = - 4.259,2 + 1,762*SALINI - 16,3*EXPREV + 763,9*EDUCA
cmo los interpretamos en nuestro anlisis de los datos?
Muestran en forma estandarizada la cantidad de cambio en la VD al mover en una
unidad cualquier VI manteniendo las dems constantes.
y los Beta
Prof. Christian Daz
Pron. SALACT = - 4.259,2 + 1,762*SALINI - 16,3*EXPREV + 763,9*EDUCA
cmo los interpretamos en nuestro anlisis de los datos?
Muestran en forma estandarizada la cantidad de
cambio en la VD al mover en una unidad cualquier VI
manteniendo las dems constantes.
y los Beta
Se rechaza
Ho que el
coeficiente
de la RL es
igual a 0
Prof. Christian Daz
Informacin complementaria 1
Prof. Christian Daz
Informacin complementaria 2
La relacin entre SALACT y EDUCA es
0,652. Al eliminar de SALACT y EDUCA el
efecto de terceras variables (SALINI y
EXPREV) la relacin baja a 0,204 y cuando
se elimina el efecto de SALINI y EXPREV
slo de SALACT la relacin baja a 0,093
Prof. Christian Daz
Revisar los Supuestos de la Regresin Lineal Mltiple
Linealidad
Independencia
Homocedasticidad
Normalidad
No-colinealidad
Vistos en clases.
Prof. Christian Daz
Tarea 1
Caso 1:
Ros de Chile